买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜西安电子科技大学申请的专利基于网络剪枝和参数量化结合的遥感SAR目标检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114170512B 。

龙图腾网通过国家知识产权局官网在2025-03-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111488427.7，技术领域涉及：G06V20/10；该发明授权基于网络剪枝和参数量化结合的遥感SAR目标检测方法是由雷杰;王嘉轩;杨埂;谢卫莹;李云松设计研发完成，并于2021-12-08向国家知识产权局提交的专利申请。

本基于网络剪枝和参数量化结合的遥感SAR目标检测方法在说明书摘要公布了：本发明公开了一种基于网络剪枝和参数量化结合的遥感SAR目标检测方法，主要解决现有遥感SAR目标检测方法模型复杂度高和推理速度慢的缺陷。其实现方案为：从公开的遥感SAR目标检测数据集中获取划分好的训练集和测试集，对训练集进行数据扩充；对扩充后的训练集进行数据增强；对现有轻量化网络进行调整，构建基准模型；训练基准模型并计算其性能指标；评估调整后网络中每个特征提取模块的重要性，剪去不重要的模块，再进行滤波器剪枝；设计量化搜索空间，搜索剪枝后模型的混合精度量化方案，得到最终模型，使用该模型进行SAR目标检测。本发明在提高检测精度的同时节省了训练成本，可用于计算资源有限且实时性要求高的目标识别场景。

本发明授权基于网络剪枝和参数量化结合的遥感SAR目标检测方法在权利要求书中公布了：1.一种基于网络剪枝和参数量化结合的遥感SAR目标检测方法，其特征在于，包括：1从公开的遥感SAR目标检测数据集中获取划分好的训练集Dtrain和测试集Dtest，并使用几何变换对训练集中的图像进行数据扩充，获得扩充后的训练集Dexp；2在扩充后训练集Dexp中统计不同大小目标图像、含大量背景的图像的比例，选择其中比例较小的图像作为扩充后训练集中的困难样例，对该样例依次进行线下数据增强和线上数据增强，得到增强后训练集Daug；3构建SAR目标检测基准模型：3a对现有的轻量化网络结构进行调整，即将原有的分类层改为检测层，并将网络深层中的部分下采样层修改为非下采样层，将调整后的轻量化网络作为特征提取骨干网络N，其包括输入层、隐藏层和检测层，该隐藏层由多个具有相同结构的特征提取模块构成，每个特征提取模块包含一个下采样层和多个非下采样层，下采样层采用卷积层或池化层或重排层构成，每个非下采样层采用卷积层或BN层或激活层或连接层构成；3b使用K-Means聚类算法对扩充后训练集Dexp标签的目标框进行聚类，得到针对此数据集的先验锚框，用此锚框作为现有YOLO单阶段检测器的锚框，得到SAR目标检测器，将检测器与骨干网络N连接，构成SAR目标检测的基准模型；4对基准模型的网络权重参数进行更新：4a将YOLO损失函数作为基准模型的损失函数，使用随机数种子S初始化骨干网络N的权重参数；4b将增强后的训练集Daug输入到初始化后的基准模型中开始训练，用动量随机梯度下降算法SGD优化YOLO损失函数，以更新网络的权重参数，每10个周期保存一次网络权重参数，直到达到设定的最大迭代次数停止训练，得到多个更新后的网络权重参数；5评估基准模型的性能指标：5a使用保存的多个网络权重参数更新基准模型，在测试集Dtest中计算更新后的每个基准模型的F1分数，取F1分数的最大值记为F10，F10对应的网络权重参数用W0表示；5b计算W0的参数量P和浮点运算数FLOPs，计算结果分别记为P0和FLOPs0；6对骨干网络N进行粗剪枝：6a对骨干网络N中的n个特征提取模块设置模块掩码m，使用模块掩码m对该网络的所有特征提取模块进行OneHot编码，得到n个掩码子网；6b所有n个掩码子网共享权重参数W0，微调训练每个掩码子网并计算其性能指标F1分数F1i、参数量Pi和浮点运算数FLOPsi；6c根据每个掩码子网的性能指标，计算骨干网络N中每个特征提取模块的重要性指标I，将这些重要性指标I分别与设定的重要性指标阈值Ithr进行比较，当I小于Ithr时，剪掉骨干网络N中与此重要性指标I对应的特征提取模块，得到粗剪枝后的骨干网络Nm；7对粗剪枝后的骨干网络Nm进行细剪枝：7a基于Hrank方法评价粗剪枝后骨干网络Nm卷积层中滤波器的重要性，并划分出重要的滤波器和不重要的滤波器，在粗剪枝后的骨干网络Nm的基础上剪去不重要的滤波器，得到细剪枝后的网络NP；7b使用相同的随机数种子S初始化细剪枝后的网络NP的网络权重参数，然后使用与4中相同的训练方法对细剪枝后网络NP进行训练，保存F1分数最高的网络权重参数，记为WP；8对细剪枝后的网络NP进行参数量化：8a将细剪枝后网络NP中的特征提取模块修改为量化模块；8b对权重参数和激活输出选取不同精度的量化策略，并根据特征提取模块的重要性指标I设计量化搜索空间；8c在增强后的训练集Daug上迭代搜索最佳量化方案，将搜索得到的最佳量化方案应用到细剪枝后的网络NP中，得到最终网络NQ；8d使用WP作为最终网络NQ的预训练权重参数，微调训练得到最终网络权重参数WQ；9用最终网络NQ替换基准模型的骨干网络N，并使用最终网络权重参数WQ更新网络权重参数，得到最终的SAR目标检测模型；10将测试集Dtest输入到最终的SAR目标检测模型中，得到准确的SAR目标检测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。